EgyPLI：エジプトの植物の葉の同定のための実生活アノテーション付き画像データセット

科学分野:

• コンピュータビジョン
• 農業科学
• 機械学習

背景:

• 地理的に多様なデータセットの欠如は、一般的な植物同定モデルの汎化を妨げます。
• 既存のデータセットは、実世界の変動性が欠けていることが多く、モデルの堅牢性を制限します。
• エジプトの農業セクターは、自動化システムのために、地域に根ざした代表的なデータを必要としています。

研究 の 目的:

• 新しいリソースとしてエジプト植物葉画像データセット（EgyPLI）を紹介します。
• 植物同定研究のために、地理的に多様で現実的なデータセットを提供します。
• 植物分類および病気診断のための堅牢な深層学習モデルの開発を促進します。

主な方法:

• 8つの植物種からの3,588枚の実世界の葉の画像をキュレーションしました。
• 自然環境を反映したさまざまな条件（視点、照明、ノイズ）で画像をキャプチャしました。
• 一貫した基準のために、健康な葉と病気の葉を含む画像をアノテーションおよび前処理しました。

主要な成果:

• ResNet50、VGG16、カスタムCNNを使用してデータセットのパフォーマンスを評価しました。
• 高い精度を達成しました：61.67％（ResNet50）、96.81％（VGG16）、99.22％（カスタムCNN）。
• データセットが効果的な植物同定モデルのトレーニングに適していることを実証しました。

結論:

• EgyPLIは、特にエジプトにおける植物の葉の画像データセットの重要なギャップに対処します。
• データセットの現実性は、実用的な展開のための堅牢なモデルのトレーニングをサポートします。
• EgyPLIは、自動植物分類、診断、および健康評価の進歩を可能にします。